مدل جدید OpenAI، GPT-6.1 Sol، در ترجمه مقام اول را کسب کرد

مدل جدید OpenAI، GPT-6.1 Sol، در رده‌بندی ترجمه‌ی RWS به مقام اول دست یافته است. این مدل به تازگی و تنها یک هفته پس از عرضه‌ی GPT-6 Sol و Luna معرفی شده و به عنوان یک به‌روزرسانی مهم در زمینه‌ی کدنویسی هوشمند، استفاده از کامپیوتر و کارهای حرفه‌ای توصیف شده است. با این حال، OpenAI اطلاعاتی درباره‌ی نتایج ترجمه یا چندزبانه‌ی این مدل منتشر نکرده است.

تیم TrainAI RWS، GPT-6.1 Sol را در ۲۹ زبان مختلف مورد آزمایش قرار داده و این مدل موفق به کسب امتیاز کلی ۴.۳۸ از ۵ شد. در مقایسه، GPT-6 Sol و Astra هر دو امتیاز ۴.۳۷ را به دست آوردند. همچنین، مدل کم‌هزینه‌تر GPT-6 Luna در رده‌ی دهم با امتیاز ۴.۲۵ قرار گرفت. این نتایج نشان‌دهنده‌ی رقابت نزدیک بین مدل‌های مختلف OpenAI است، هرچند که در برخی زبان‌ها، GPT-6.1 Sol نتوانسته است از GPT-6 Sol پیشی بگیرد.

تفاوت در امتیازات رده‌بندی در مقیاس کلی کم است و نتایج به زبان وابسته است. با این وجود، توماس بورکرت، رئیس نوآوری در TrainAI RWS، اظهار داشت که مدل جدید در بیشتر موارد یا با مدل قبلی برابر بوده یا بهتر عمل کرده است. این در حالی است که GPT-6 Sol قبلاً در آزمایش‌های قبلی با GPT-6 Astra در زمینه‌ی ترجمه برابر شده بود. مزیت اصلی GPT-6.1 Sol کاهش هزینه‌ها بوده است، هرچند که با کمی افزایش در زمان تأخیر استنتاج همراه بوده است.

روش ارزیابی M-GATE به‌صورت دورانی انجام می‌شود؛ به این معنا که مدل‌ها ۱۰۰ جمله‌ی انگلیسی را به ۲۹ زبان ترجمه کرده و سپس دوباره به انگلیسی برمی‌گردانند. در این فرآیند، سه قاضی LLM بررسی می‌کنند که چقدر معنی حفظ شده است. این روش به‌طور غیرمستقیم دقت، گرامر یا طبیعی بودن ترجمه‌ی میانی را ارزیابی نمی‌کند و همچنین ترجمه بین دو زبان غیرانگلیسی را شامل نمی‌شود.

GPT-6.1 Sol همچنین در آزمون گرامر M-GATE در رده‌ی ششم قرار دارد، که توانایی مدل‌ها در شناسایی خطاهای گرامری خاص زبان را ارزیابی می‌کند. این مدل در بین بیش از ۲۰ اعلامیه‌ای که در ارائه‌ی DevDay 2026 OpenAI معرفی شد، قرار داشت و OpenAI همچنین نسخه‌ی فوق‌سریع این مدل و API‌های جدیدی را معرفی کرد.

این برای مخاطبِ حرفه‌ای یعنی چه؟ مدل‌های جدید OpenAI نشان‌دهنده‌ی پیشرفت‌های قابل توجهی در زمینه‌ی هوش مصنوعی و ترجمه هستند. برای مترجمان و زبان‌شناسان، این تغییرات می‌تواند به معنای ابزارهای بهتری برای کار با زبان‌های مختلف و افزایش دقت در ترجمه‌ها باشد. همچنین، آگاهی از روش‌های ارزیابی و نقاط قوت و ضعف هر مدل می‌تواند به انتخاب بهینه‌تر ابزارها کمک کند.